如何在R语言回归中调整分组变量的基准组？

问题原因 #

R 中因子类型变量默认按字母顺序确定基准组，你的treated变量里，NJ（首字母N）排在PA（首字母P）前面，所以回归时默认把NJ当作基准组，PA被识别为处理组，这和你的设定完全相反。

两种调整方法 #

方法1：重新指定因子的基准水平 #

直接修改treated变量的基准为PA，让回归以PA（对照组）为基准，NJ作为处理组：

cardkruger = read.csv('https://raw.githubusercontent.com/bandcar/Examples/main/cardkruger.csv')
# 将treated转为因子，并指定PA为基准水平
cardkruger$treated = relevel(factor(cardkruger$treated), ref = "PA")
reg = lm(fte ~ t*treated, cardkruger)
summary(reg)

调整后，回归输出会出现treatedNJ项，代表处理组（NJ）相对于对照组（PA）的事前差异，交互项t:treatedNJ就是DID的核心政策效应估计量。

方法2：手动编码二元处理变量 #

直接创建新的二元变量，让NJ=1（处理组）、PA=0（对照组），回归时0自动作为基准（PA）：

cardkruger = read.csv('https://raw.githubusercontent.com/bandcar/Examples/main/cardkruger.csv')
# 手动生成处理变量：NJ=1，PA=0
cardkruger$treat = ifelse(cardkruger$treated == "NJ", 1, 0)
reg = lm(fte ~ t*treat, cardkruger)
summary(reg)

这种方式下，treat的系数代表处理组与对照组的事前差异，t:treat的系数就是政策对处理组（NJ）的净效应，完全匹配你的设定。

调整后结果说明 #

调整后的回归截距项代表对照组（PA）在政策实施前（t=0）的平均fte值，t的系数是对照组随时间的自然变化，处理组的时间效应为t系数加交互项系数，核心的DID估计量就是交互项的系数。

内容的提问来源于stack exchange，提问作者bandcar